目录

1. AI是智能的

2. 始终越大越好

3. AI毫无透明度和问责制可言

4. AI一贯正确

5. AI严重冲击就业市场

6. AI主宰人类

主要结论

相关拓展

人工智能（AI）无疑是我们这个时代的流行语。特别是随着ChatGPT等生成式AI应用程序的出现，AI大受欢迎，成为了技术大辩论的核心话题。

所有人都在谈论像ChatGPT这样的生成式AI应用程序的影响以及利用它们的能力是否公正。然而，面对这场完美风暴，围绕AI一词的种种谎言和误解突然随之激增。您可能已经听过很多这样的谎言和误解了。

不妨深入研究这些谎言，戳穿它们，以了解AI的真正本质。

1. AI是智能的

与普遍的看法相反，AI一点也不智能。现在大多数人确实认为基于AI的模型很智能。这可能是由于“人工智能”这个名称中含有“智能”一词。

但是智能是什么意思呢？智能是生物体独有的一种特征，其定义是获取并运用知识和技能的一种能力。这意味着智能使生物体能够与周围环境相互作用，从而学会如何生存。

另一方面，AI是一种机器模拟，旨在模仿这种自然智能的某些方面。我们接触的大多数AI应用程序（尤其是在商业和在线平台领域）都依赖机器学习。

这些是专门的AI系统，使用大量数据进行特定任务的训练。它们擅长完成指定的任务，无论是玩游戏、翻译语言还是识别图像。

然而一旦超出其预期范围，它们通常是无用的……在一系列任务中拥有类似人类智能的AI这个概念被称为通用AI，我们离实现这个里程碑事件还很遥远。

2. 始终越大越好

科技巨头们常常竞相吹嘘自家的AI模型的规模有多庞大。

Llama 2开源LLM以强大的700亿参数版本让世人感到惊讶，而谷歌的Palma拥有5400亿参数，OpenAI最近发布的ChatGPT4更是拥有1.8万亿参数。

然而，LLM的成百上千亿个参数不一定意味着有更好的性能。数据的质量和训练方法常常是决定模型性能和准确性的更关键因素。斯坦福大学的Alpaca实验已经证明了这点，一个简单的使用70亿参数的基于Llama的LLM其性能可以与多达1760亿参数的ChatGPT 3.5相媲美。

所以并非始终是越大就越好！优化LLM的大小及其相应性能将使这些模型在本地得到更广泛的使用，并让我们可以将它们集成到日常设备中。

3. AI毫无透明度和问责制可言

一个常见的误解是，AI是神秘的黑盒子，缺乏任何透明度。实际上，虽然AI系统可能很复杂，仍然相当不透明，但业界正在努力提高其透明度和问责制。

监管机构要求有道德、负责任地使用AI。《斯坦福人工智能透明度报告》和《欧洲人工智能法案》等重要举措旨在促使企业提高AI透明度，并为各国政府在这个新兴领域制定法规提供基础。

透明AI已成为AI社区的一个核心讨论话题，涵盖众多问题，比如允许个人确定AI模型全面测试的流程和理解AI决策背后基本原理的流程。

这就是为什么全球各地的数据专业人士已经在研究使AI模型更加透明的方法。

所以虽然这个谎言可能部分正确，但显然不能作为常识。

4. AI一贯正确

许多人认为AI系统是完美的，不会出错。事实绝非如此。与任何系统一样，AI的表现取决于其训练数据的质量。这些数据常常是由人类创建或管理的。如果这些数据含有偏见，AI系统会在不经意间将偏见固化下来。

麻省理工学院（MIT）的一个团队分析了多个广泛使用的预训练语言模型后发现，将性别与某些职业和情绪关联时存在明显的偏见。比如说，空姐或秘书等角色主要与女性特质联系在一起，而律师和法官与男性特质联系在一起。该团队在情感方面观察到了同样的行为。

其他发现的偏见与种族有关。随着LLM进入医疗保健领域，有人开始担心，它们可能会承袭基于种族的有害的医疗实践，反映出训练数据中固有的偏见。

人工干预至关重要，需要监督和纠正这些缺点，确保AI的可靠性。关键在于使用具有代表性、无偏见的数据，并进行算法审计以消除这些偏见。

5. AI严重冲击就业市场

最普遍的担忧之一是，AI将导致大规模失业。

然而历史表明，虽然技术可能会淘汰某些工作，但同时也会造就新的行业和机会。

比如说，世界经济论坛预测，虽然到2025年AI可能会取代8500万个工作岗位，但也将创造9700万个新岗位。

6. AI主宰人类

最后一个谎言也是最反乌托邦的。以《黑客帝国》和《终结者》等电影为代表的流行文化描绘了AI可能奴役人类的可怕场景。

尽管Elon Musk和Stephen Hawking等颇有影响力的人物表达了担忧，但AI的现状远非这种反乌托邦的形象。今天的AI模型（比如ChatGPT）是为了协助完成特定的任务而设计的，不具备科幻作品中描述的能力或动机。

所以现在，我们仍是安全的！

主要结论

总之，随着AI不断发展并融入到我们的日常生活中，辨别真伪至关重要。

只有有了清晰的认识，我们才能充分利用AI的潜力，负责任地应对其挑战。

谎言会影响判断，阻碍进步。

只有对AI的实际范围有清晰的了解，我们才可以向前迈进，确保这项技术服务于人类。

相关拓展

数字化领域从来不缺新概念，与生成式AI盛行的还有低代码，挖掘数字化应用的低成本建设模式从来都在进行时。

在过去，开发一套系统只能通过软件工程师通过代码进行开发，所以任何一个系统的开发都需要大量的软件工程师资源，使得很多企业谈到系统就想到高额的成本投入。低代码平台的出现改变了传统软件开发模式，实现少量代码甚至无需代码即可完成系统的开发，并自动实时发布到云端，做到随搭随用。

JNPF低代码开发平台，很多人都用过它，它是功能的集大成者，任何信息化系统都可以基于它开发出来。

这是一个基于Java Boot/.Net6 构建的简单、跨平台快速开发框架。前后端封装了上千个常用类，方便扩展；集成了代码生成器，支持前后端业务代码生成，满足快速开发诉求；框架集成了表单、报表、图表、大屏等各种常用的Demo方便直接使用；后端框架支持Vue3。

为了支撑更高技术要求的应用开发，从数据库建模、Web API构建到页面设计，与传统软件开发几乎没有差异，只是通过低代码可视化模式，减少了构建“增删改查”功能的重复劳动。

在国内的低代码领域里，只有JNPF把这个平衡做到了最好，既可以生成前端、后台和数据库代码。前后端分离架构，基于可视化流程建模、表单建模、报表建模等工具快速构建业务应用。即可私有化部署，也支持K8S。

应用地址：https://www.jnpfsoft.com/?csdn，至于我说的有没有道理，你试试就知道了。